Miks algab andmehalduse järgmine põlvkond andmekangast?

Klõpsake autori kohta lisateabe saamiseks Kendall Clark.

IT mandaat äriväärtuse pakkumiseks pole kunagi olnud tugevam. Tegelikult, 76% juhtidest usun, et IT peab olema aktiivne partner äristrateegia väljatöötamisel. Agility on siin edu võti. Enamikku ettevõtteid takistavad aga andmestrateegiad, mis jätavad meeskonnad turgu muutudes või uute väljakutsete ilmnemisel maatasa.

Võtke näiteks struktureeritud andmehaldussüsteemid. See valik töötas hästi, kui ettevõtte andmemaastik ise oli valdavalt struktureeritud. Kuid maailm on praegu teistsugune ja ettevõtte andmemaastikul domineerivad nüüd hübriidsed, mitmekesised ja muutuvad andmed. Asjade Interneti (IoT) esilekerkimine, struktureerimata andmemahu kasv, väliste andmeallikate olulisuse suurenemine ja suundumus hübriidsete mitme pilvekeskkondade poole takistavad iga uue andmepäringu rahuldamist. The vana andmestrateegia, mille keskmes on relatsioonilised andmesüsteemid, on põhimõtteliselt katki. Niisiis, kuidas saavad ettevõtted minna üle reaktiivselt andmestrateegialt reageerivale andmestrateegiale?

Enterprise Data Fabrics: tee edasi

Organisatsioonid soovivad täna luua a andmekangas koostöövõimeliste, ristfunktsionaalsete projektide ja toodete käivitamiseks ning reaktiivsetest töövoogudest pääsemiseks vastupidava digitaalse vundamendi abil – pole vaja rebimist ja asendamist. Andmekangad ühendavad andmeid sisemistest andmehoidlatest ja välistest allikatest ning loovad teabevõrgu rakenduste, tehisintellekti ja analüütika toiteks. Lihtsamalt öeldes toetavad need tänapäeva keerulises ja ühendatud ettevõttes kõiki andmeprobleeme.

Erinevalt vanematest staatilistest andmete integreerimise tehnikatest on andmestruktuuride põhiprintsiibid, et need suudavad:

• Vastake ootamatutele küsimustele ja kohanege uute nõuetega
• Tooge andmetele tähendus, mis annab parema ülevaate
• Luba päringud andmehoidlate ja väliste allikate vahel, olenemata andmestruktuurist
• Uuendage olemasolevaid süsteeme nii, et pole vaja rebida ja asendada
• Ühendage andmed arvutuskihis, mitte salvestuskihis, et andmehoidlaid saaks ühendada ilma täiendavaid silohoidlaid loomata

Andmekangad toetavad ka funktsionaalseid andmeühendusi, mis on võtmetähtsusega konkurentsieelise loomisel ja kaitsmisel ning võimaldavad teha koostööd kogu ettevõttes ja välispartneritega. Võtke näiteks tarneahela innovatsiooniga seotud väljakutsed. Tavapärased tarneahela andmesüsteemid on edastusjooks, mis toimib lineaarsete üleandmiste ja süsteemidevaheliste peer-to-peer linkidega. Nägime prognoositavaid tulemusi, kui COVID-19 tabas ja ülemaailmsed tarneahelad kokku kukkusid. Mõningane pinge või isegi osaline kokkuvarisemine oli vältimatu, kuid tagajärjed tegid veelgi hullemaks ebapiisavad andmestrateegiad, mis käsitlesid tarneahelat jäika süsteemina. Tegelikkuses on tarneahel keerukas osalejate võrgustik, mis peavad olema täielikult sünkroonis, et vastavalt vajadusele kohaneda.

Andmekangast töötava digitaalse tarnevõrgu abil saavad ettevõtted vastata keerukatele küsimustele, mille suhtes nad varem pimedad olid, näiteks „näidake mulle kõiki toorainepartiisid ja nendega seotud tarnijaid, kes on seotud valmis kaubapartii 123 tootmisega”. Või „kuidas võrreldakse toote A COGS-i nende kahe piirkonna vahel?” Või "millised tootjad tarnisid selle kliendikaebusega seotud tooraineid?"

Eduka andmekanga kokkuõmblemine algab selle materjalide mõistmisest

Erinevalt teistest lähenemisviisidest ühendavad andmekandjad olemasolevad andmehaldussüsteemid ja -rakendused. Seega pole ime, et andmekangaid nähakse kiiresti järgmise sammuna andmete integreerimisruumi küpsemisel. See juhtub seetõttu, et andmekangad võivad:

1. Avastage varjatud tähendus: Andmekangad muudavad status quo'd, pakkudes tähendust, mitte ainult andmeid, kogu ettevõttes. See tähendus on kootud kokku paljudest allikatest: andmed ja metaandmed, sisemised ja välised allikad ning pilve- ja kohapealsed süsteemid. Tähendus on jäädvustatud laiendatavates teadmiste graafikul põhinevates andmemudelites ja nende abil, kusjuures iga andmevara kogu kontekst on täielikult olemas ja saadaval masinarusaadaval kujul. Andmestruktuuri abil saavad inimesed ja algoritmid teha paremaid otsuseid, vähendades samal ajal andmete väärkasutuse või valesti tõlgendamise tõenäosust ja riski.

2. Vastake rasketele küsimustele: Andmekangad pakuvad vastuseid võimsate päringu-, otsingu- ja õppimisvõimaluste kaudu. Andmete teisaldamisel või kopeerimisel põhineva staatilise üksuse asemel pakub andmekanga platvorm dünaamilist „päritavat” andmekihti, mis kogub vastuseid kõikjalt. andmesilod. Varasemad andmete integreerimise strateegiad põhinesid iga uue kasutusjuhtumi toetamiseks uue andmemudeli loomisel ja seejärel andmete teisaldamisel või kopeerimisel selle andmemudeli täitmiseks. Andmestruktuuriga on andmemudelid korduvkasutatavad, nii et ootamatute küsimuste korral on meeskondadel lihtne ettevõtte vajadustega kohaneda.

3. Toetage ristfunktsionaalseid andmehaldusprojekte: Andmekangad ühendavad olemasolevad andmehaldussüsteemid, rikastades kõiki ühendatud rakendusi. Need asendavad vanemaid süsteeme, mis kogusid või kataloogisid ettevõtte varasid, kuid ei suutnud andmeid kasutatavaks muuta. Varasemad lahendused ebaõnnestusid osaliselt ka seetõttu, et nad ei suutnud käsitleda hübriidseid, mitmekesiseid ja muutuvaid andmeid, aga ka organisatsioonilise tagasilöögi tõttu. Andmekangad on aga loodud koostööks, olemasolevate varade võimendamiseks ja ühendamiseks ning uute ristfunktsionaalsete andmehaldusprojektide juhtimiseks.

Olemasolevate investeeringute moderniseerimine

Enamik meist mäletab, kuidas andmejärvedel oli kunagi lubadus ettevõtte andmevarade tsentraliseerimiseks. Kuid paljud andmejärved ei suuda oma hüpet täita just seetõttu, et nad paigutavad andmeid salvestuskihis, mitte ei ühenda neid arvutuskihis. Nad kasutavad andmeid pigem asukoha kui ärilise tähenduse põhjal. Kogu andmekanga taga olev eeldus seisneb selles, et andmete füüsiline kollokatsioon ei loo iseenesest andmeühendust ega anna tähendust ega konteksti. Vanemate põlvkondade mälupõhised integreerimissüsteemid, nagu andmeladu, on tegelikult veelgi vähem võimekad kui andmejärved, kuna need haldavad struktureeritud andmeid lihtsalt alguses, jättes poolstruktureeritud ja struktureerimata andmehoidlad täielikult adresseerimata ja lahtiühendatuks. Ettevõtted pöördusid kiiresti andmekataloogide poole, et püüda tegeleda oma andmemaastike jahmatava mitmekesisusega, et teada saada, et kataloogimine üksi ei vii ühendatud ettevõtteni.

While these technologies promised to end data silos, the truth is they are inevitable and exist for very good reasons. They allow for local control and governance when it is important to a particular part of the business, as some data must be stored apart from other data to comply with legal regulation or simply for legacy business reasons. Conventional data integration focused on eliminati
ng silos through mastering, migration, consolidation, or governance. But data fabrics offer a practical alternative. Rather than working against data silos, a data fabric leverages them without requiring further copies of data. Instead of replacing legacy technologies, a data fabric works alongside existing investments and improves their utility. This is because a data fabric is an architectural design that operates at the compute layer and focuses on connecting data wherever it resides and, thus, actually improves existing physically consolidated data storage assets like data lakes, data catalogs, warehouses, MDM, and others.

Teadmiste graafikud: eduka andmekanga puuduv õmblus

Teadmiste graafikud on võimelised esindama ettevõtte andmete täielikku mitmekesisust ja keerukust, kuna need on universaalne tähendusvormingud, olenemata andmete allika struktuurist, asukohast või vormingust. Teadmiste graafik asendab praeguse töömahuka protsessi ettevõtte andmete integreerimiseks, mis tavaliselt hõlmab ekstraheerimist, tõlkimist, modelleerimist, kaardistamist ja seejärel liikuv andmeid erinevate rakenduste vahel. Modelleerimiseks ja kaardistamiseks vajalik kohandatud kood muutub suures mahus kiiresti kohmakaks, aeglustades innovatsiooni ja ülevaate tempot.

Teadmiste graafikud on tõhusa andmestruktuuri lahutamatu osa, kuna need loovad korduvkasutatava teadmiste võrgustiku ja esindavad hõlpsalt erinevate struktuuride andmeid ja toetavad mitut skeemi. Luues ettevõtete ja kolmandate osapoolte andmetest päringuid võimaldava, korduvkasutatava semantilise arusaama, on teadmiste graafikud andmekoopa tuumaks: rikastavad ja kiirendavad olemasolevaid investeeringuid ning pakuvad kriitilist juurdepääsu äriteatele.

Täpselt nagu tavaline kangas, mis järgib kõike, mida see ümbritseb, asetab ettevõtte andmekangas olemasolevad andmevarad ja ühendub nendega üksikute lõimede kaudu ning koob need allikad kokku ühtseks kihiks. Seda tehes suurendavad andmekangad olemasolevate investeeringute äriväärtust.

Allikas: https://www.dataversity.net/why-the-next-generation-of-data-management-begins-with-data-fabrics/